本發(fā)明提供一種基于強化學(xué)習(xí)的濃密機在線控制方法，能夠降低時間消耗，并提高控制精度。所述方法包括：獲取生產(chǎn)過程中所監(jiān)測到的歷史記錄數(shù)據(jù)；建立由模型網(wǎng)絡(luò)和評價網(wǎng)絡(luò)組成的雙網(wǎng)結(jié)構(gòu)的控制模型，并利用獲取到的歷史記錄數(shù)據(jù)對所述模型網(wǎng)絡(luò)和評價網(wǎng)絡(luò)進行訓(xùn)練；通過訓(xùn)練好的模型網(wǎng)絡(luò)預(yù)測下一時刻的底流濃度和泥層高度，且訓(xùn)練好的評價網(wǎng)絡(luò)根據(jù)預(yù)測到的所述下一時刻的底流濃度、泥層高度，估計所述下一時刻的累計代價值，根據(jù)估計得到的下一時刻的累計代價值，計算當(dāng)前時刻的累計代價值，根據(jù)得到的當(dāng)前時刻的累計代價值，利用梯度下降迭代算法確定當(dāng)前時刻最優(yōu)控制動作：底流泵速、絮凝劑泵速。本發(fā)明涉及采礦領(lǐng)域。